常俊杰，吳中權(quán)，羅文斌，徐 洋，董德秀

(1. 南昌航空大學(xué) 無損檢測技術(shù)教育部重點實驗室，江西 南昌 330063; 2. 珠海格力電器股份有限公司，廣東 珠海 519060;3. 中國航發(fā)沈陽黎明航空發(fā)動機(jī)有限責(zé)任公司，遼寧 沈陽 110043)

0 引 言

現(xiàn)今，石油仍在所有能源中占據(jù)主導(dǎo)地位[1]，石油開采時添加的乳化劑使得開采出的原油靜置后會產(chǎn)生較厚的乳化層，加上原油本身的油水比是動態(tài)變化的，這兩個因素使得原油沉降分層后乳化層的位置難以確定[2]，乳化層液位的不確定性將影響油田聯(lián)合站的盤庫精度和沉降底水的排放[3]，因此對儲油罐中乳化層液位的測量是一項重要的工作。

目前的液位測量方法有電容-電阻法[4]，運(yùn)用傳感器測量液體的電容或電阻，但測量裝置容易出現(xiàn)掛油現(xiàn)象；合成脈沖雷達(dá)液位測量法[5]可以不受溫度壓力影響，實現(xiàn)非接觸式測量，但裝置需要安裝在罐內(nèi)，且只能測最上層表面液位；磁致伸縮液位儀[6-7]利用浮子磁場和脈沖電流磁場產(chǎn)生扭轉(zhuǎn)波脈沖來測量液位，但易受溫度的影響；還有學(xué)者根據(jù)超聲導(dǎo)波信號的幅值或傳播時間[8-9]來識別水-油界面，但未對乳化層液位進(jìn)行有效測量。在實際測量時各種模式Lamb波和干擾波往往容易混合在一起，加大了測量難度。空氣耦合超聲[10]以空氣為耦合劑，使用Lamb波檢測時探頭只需置于罐外，便可完成對原油乳化層液位的測量，受外界影響小，可以實現(xiàn)自動化檢測。

對于乳化層液位的測量，跟缺陷識別一樣，重點在于對信號中特征值的合理提取。對于特征值的提取，許多學(xué)者做了有益的研究。張鵬林等利用聲發(fā)射檢測技術(shù)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法[11]研究聲發(fā)射傳感器分布對智能定位輸出結(jié)果的影響。李俊超等利用小波包分析和人工神經(jīng)網(wǎng)絡(luò)[12]對超聲信號進(jìn)行三層小波包分解后提取各頻率成分能量作為特征值來識別缺陷類型；張琛等對滾動軸承的振動信號進(jìn)行EEMD分解后根據(jù)峭度、均方差和歐氏距離等指標(biāo)[13]對IMF分量進(jìn)行信號重構(gòu)，求取其奇異值熵，最后利用奇異值熵的大小判斷滾動軸承的故障類別。句海洋等采用近似熵噪聲抑制方法[14]提升VMD對特征信號的提取效果，進(jìn)一步用尺度空間算法對VMD的設(shè)定參數(shù)進(jìn)行優(yōu)化并對其抗噪性能進(jìn)行比較分析，最后通過能量梯度算子實現(xiàn)對缺陷信號的識別。

鑒于目前各種液位檢測方法的不足和單一的EMD系列分解方法的局限性，本文基于非接觸式空氣耦合超聲，結(jié)合EMD時域分解的自適應(yīng)性，EEMD分解的去噪抗干擾性以及VMD分解的階數(shù)可控性，從三種不同角度較全面地獲取乳化層液位探測信號的特征參數(shù)，把這些特征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，用探頭高度處的罐內(nèi)液體介質(zhì)種類作為輸出進(jìn)行訓(xùn)練，達(dá)到一定精度后進(jìn)行液位識別檢測。

1 EMD、EEMD和VMD的特征提取

EMD是一種根據(jù)數(shù)據(jù)自身的時間尺度特征來進(jìn)行信號自適應(yīng)分解的方法，無須預(yù)先設(shè)定基函數(shù)，在理論上可應(yīng)用于任何類型信號的分解，其本征模態(tài)分量IMF的頻率由大到小排列，對于非平穩(wěn)及非線性信號的分解具有明顯的優(yōu)勢。但是空氣耦合超聲信號受噪聲和未知間斷信號干擾，而EMD去噪能力弱，當(dāng)信號中含有其他雜波時，將會干擾特征值的提??；利用EMD分解還容易出現(xiàn)模態(tài)混疊現(xiàn)象，造成分解失效，特征會被弱化或完全失效；此外，不合理截取的信號進(jìn)行EMD分解容易造成端點效應(yīng)，出現(xiàn)虛假頻率。

為了解決上述問題，學(xué)者們提出了采用噪聲輔助處理方法EEMD[15]，該方法先在原始信號中加入高斯白噪聲來改變信號極值點的分布，由于高斯白噪聲的寬頻特性，對各頻段的噪聲干擾均有融合性，對噪聲有了平均抵消作用，對n個加噪后的信號分別進(jìn)行EMD分解，得到各自的本征模量函數(shù)集IMFs，最終將各個集合的同階IMF分量進(jìn)行平均后組成一個新的集合平均IMFs，這樣不僅濾去了高頻噪聲，還可以抑制低頻振動。這時得到整體平均的模態(tài)分量IMFs即是EEMD分解得到的本征模態(tài)分量，EEMD分解的步驟如圖1所示。

圖1 EEMD分解流程

VMD是一種自適應(yīng)、完全非遞歸的模態(tài)變分方法。該技術(shù)可確定模態(tài)分解的個數(shù)，可以自適應(yīng)地匹配每種模態(tài)的最佳中心頻率和有限帶寬，并且可以實現(xiàn)IMF分量的有效分離、信號的頻域劃分、從而得到給定信號的有效分解成分，最終獲得變分問題的最優(yōu)解。EMD或EEMD分解都是把接收信號里的所有頻率分量按從高到低順序完全拆散到多個IMF分量中，是一種“完全拆開”的模式；特別地，EEMD加入了噪聲，可能導(dǎo)致頻率失真。而VMD可以自適應(yīng)地控制IMF分量的個數(shù)，是“部分拆開”模式，這有利于把A0模態(tài)Lamb波波包從整個信號里剝離出來而不至于被過度拆分，這有利于單獨研究A0模態(tài)Lamb波。類比小波變換的多尺度思想，因此有必要把EMD、EEMD和VMD組合使用，從多個頻率尺度來分解出信號中隱含的特征參數(shù)，最后基于BP神經(jīng)網(wǎng)絡(luò)，利用這些參數(shù)來實現(xiàn)乳化層液位的檢測識別。

2 實驗部分

2.1 檢測原理

當(dāng)超聲波從一種介質(zhì)透射到另一種介質(zhì)時，透射率t滿足以下公式：

Z1——第一介質(zhì)的聲阻抗；

Z2——第二介質(zhì)的聲阻抗。

對于儲油罐而言，第一介質(zhì)為鋼質(zhì)罐壁（近似看作鋼板），第二介質(zhì)罐內(nèi)部的原油，乳化液或者水。

如圖2所示為實驗原理圖。Lamb波在鋼板內(nèi)傳播的同時會不斷向鋼板內(nèi)外兩側(cè)的介質(zhì)泄漏能量，由于罐外側(cè)都是空氣介質(zhì)，泄露速率相同。根據(jù)式（1）可知罐內(nèi)介質(zhì)不同時聲阻抗Z2不同，所以Lamb波向罐內(nèi)泄漏的透射率t不同，根據(jù)能量守恒定律，最終被接收探頭R接收到的Lamb波信號將不同。基于此，當(dāng)發(fā)射探頭與接收探頭間距固定時，接收探頭接收到的Lamb波的能量大小取決于Lamb波向罐內(nèi)介質(zhì)泄漏能量的大小，透射率t越大，泄漏越多，接收探頭接收到的能量越小，反之越大。固定間距后同步移動兩探頭沿著儲油罐高度方向掃查，根據(jù)接收到的Lamb波幅值或其他參數(shù)來區(qū)分罐內(nèi)介質(zhì)種類，根據(jù)探頭位置高度來判斷罐內(nèi)不同介質(zhì)的分界面位置，這樣即利用空氣耦合超聲完成了對乳化層液位的非接觸式檢測。

圖2 檢測原理圖

2.2 模態(tài)選擇

為了確定探頭激勵出Lamb波所需的入射角，利用帝國理工disperse頻散曲線繪制軟件繪制出5 mm厚鋼板的Lamb波相速度頻散曲線如圖3所示。

圖3 5 mm鋼板相速度頻散曲線

根據(jù)圖3可知當(dāng)探頭的頻率在0.4 MHz附近時，Lamb可能存在S0、A0、S1三種模態(tài)，由于S1模態(tài)的Lamb頻散嚴(yán)重[16]，故應(yīng)從A0和S0中選擇。由于板內(nèi)質(zhì)點離面位移越大，對空氣的振動能力越強(qiáng)，檢測靈敏度越高，所以應(yīng)選擇二者中離面位移較大的那個模態(tài)，繪制A0和S0模態(tài)Lamb波在5 mm鋼板里的波結(jié)構(gòu)如圖4所示。

上述知情者稱，吳湞調(diào)到北京后，成為炙手可熱的實權(quán)派?！鞍吹览?，一個有污點的人，是不應(yīng)該得到提拔重用的?！?/p>

圖4 5 mm鋼板波結(jié)構(gòu)圖

根據(jù)圖4可知A0模態(tài)的離面位移比S0的要大，所以應(yīng)使用A0模態(tài)的Lamb波進(jìn)行實驗。根據(jù)圖3可知當(dāng)頻率為0.4 MHz時，A0模態(tài)Lamb相速度為2 750 m/s，根據(jù)snell定律可求得激勵出A0模態(tài)Lamb波所需的入射角 α：

2.3 實驗裝置

實驗采用日本探頭株式會社生產(chǎn)的非接觸式空氣耦合超聲檢測系統(tǒng)。該系統(tǒng)主要由NAUT21控制軟件、超聲信號發(fā)射接收器和前置放大器組成，探頭頻率選擇0.4 MHz，采樣頻率5 MHz。實驗使用了原油和水，乳化液由水油混合后加入乳化劑制得，實驗布置如圖5所示。

圖5 實驗布置

為便于觀察，儲油罐體側(cè)面由亞克力板粘接而制成。依次緩慢注入約50 mm高度的水，乳化液和原油，待液體穩(wěn)定后進(jìn)行實驗。兩探頭間隔100 mm相向傾斜7.1°后用螺釘固定在夾持板上，隨著夾持板上下移動掃查。當(dāng)探頭處于水層，乳化層，原油層位置時的波形如圖6所示。

圖6 三種不同液體層的接收波形

由圖6可知波形(c)中A0模態(tài)波包(紅色框住部分)的幅值高于波形(a)和(b)，而(a)和(b)幅值相近。這表明可以通過波包幅值來識別油層和乳化層，但無法識別水和乳化層。因此需要對原信號提取除幅值外的其他的特征參數(shù)后再進(jìn)行液位識別。

2.4 Lamb波信號的分解與特征提取

由于EEMD加入了白噪聲可以避免EMD模態(tài)混疊[17-18]的問題，還可以除去原始信號中存在的噪聲和雜波[19]，因此對原始信號進(jìn)行EEMD分解。經(jīng)過調(diào)試發(fā)現(xiàn)高斯白噪聲的標(biāo)準(zhǔn)差為0.15時的分解效果最好，圖7為EEMD分解得到的前5階IMF分量。對比圖8由EMD分解得到的IMF1分量可知，EEMD分解的去雜波能力要比EMD強(qiáng)。所以用EEMD分解得到的IMF1分量來近似替代無雜波時的Lamb波信號，用其波包能量E來表征罐內(nèi)不同液體介質(zhì)對A0模態(tài)Lamb波能量泄漏程度的影響[20]，將E作為第一類特征值。

圖7 EEMD分解的前5階IMF

圖8 EMD分解的前5階IMF

EEMD分解加入的噪聲可能造成對原信號中有用信息的破壞，所以仍需進(jìn)行EMD分解。對原信號進(jìn)行EMD分解，取前5階IMF分量如圖8所示。

經(jīng)計算，EMD分解的前4階IMF分量重構(gòu)信號的能量已達(dá)到原始信號能量的95%以上，可認(rèn)為EMD分解得到的前4階IMF分量能夠表征原信號所含有的信息[21]。信號的過零點數(shù)可以衡量信號的頻域成分，所以將EMD分解出來的前4階IMF分量的過零點數(shù)作為第二類特征值。

EEMD分解會含有殘余噪聲[22]，EMD分解有混疊效應(yīng)，以及它們都可能過度分解，導(dǎo)致有用的特征參數(shù)被拆散。因此有必要進(jìn)行未加噪且分解階數(shù)可控的VMD分解。經(jīng)過調(diào)試，發(fā)現(xiàn)當(dāng)分解階數(shù)k為2時可以在時域上將A0模態(tài)Lamb波包較好地分離出來。VMD分解結(jié)果如圖9所示，圖（b）為圖（a）時域分解信號對應(yīng)的頻譜。由圖（b）可知IMF1和IMF2分量的頻譜重疊部分較少，混疊效應(yīng)小，得到了較好的分解效果。所以將VMD分解得到的2個IMF分量的中心頻率[23]作為第三類特征參數(shù)。

圖9 2階VMD分解

2.5 乳化層的液面識別

將一個接收信號所具有的這三類特征參數(shù)共7個特征值列出如表1所示。

表1 特征值表

由于是手動移動探頭進(jìn)行掃查，精度不高，所以每移動10 mm采集一次波形，并記錄對應(yīng)探頭高度處罐內(nèi)的液體介質(zhì)種類，組成一個樣本，從水層一直移動到油層共采集15個樣本構(gòu)成的一組樣本。將每個樣本中波形所擁有的7個特征值作為BP神經(jīng)網(wǎng)絡(luò)的輸入，液體介質(zhì)種類作為輸出。一組樣本中水層、乳化層和油層各5個。通過適量抽水或注水方式來改變水層厚度，間接改變?nèi)榛瘜右何缓陀蛯右何唬源藖慝@取大量樣本。

利用Matlab編程對每一個信號都進(jìn)行EEMD分解，EMD分解和VMD分解后提取表1中所列的特征值作為BP神經(jīng)網(wǎng)絡(luò)的輸入，將液體介質(zhì)種類作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出，并對這三種期望輸出進(jìn)行數(shù)值編號，水為10，乳化層為20，原油為30。BP神經(jīng)網(wǎng)絡(luò)設(shè)置了2個隱含層，默認(rèn)隱函層的傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為purelin；權(quán)值學(xué)習(xí)訓(xùn)練函數(shù)為traingdx。將采集到的40組樣本進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果如圖10所示，由圖可知預(yù)測值與真實值較為接近，模型已訓(xùn)練好。

圖10 樣本訓(xùn)練結(jié)果

訓(xùn)練好模型后，隨機(jī)改變水層厚度后從下往上采集15個新樣本放入到模型中進(jìn)行液位介質(zhì)預(yù)測。對預(yù)測值按閾值進(jìn)行歸類，預(yù)測值在15以下的歸類為水，15～25的歸類為乳化層，大于25的歸類為原油，預(yù)測結(jié)果如表2所示。結(jié)果顯示最大誤差率約為13.8%。由表2統(tǒng)計結(jié)果可知用10 mm精度采集信號進(jìn)行液位檢測識別，預(yù)測值偏離程度小，分類全部正確，根據(jù)分類結(jié)果得出乳化層的液位在8～13 cm 之間。

表2 15個樣本測試結(jié)果

3 結(jié)束語

本實驗基于空氣耦合超聲Lamb波檢測系統(tǒng)，聯(lián)合使用EEMD分解，EMD分解和VMD分解對信號提取特征值，把特征值向量輸入到BP神經(jīng)網(wǎng)絡(luò)中，以此來預(yù)測探頭所在高度對應(yīng)的液體介質(zhì)種類，實現(xiàn)了對乳化層液位的測量，取得了較好的效果，主要體現(xiàn)在以下4個方面：

1）實驗驗證了用空氣耦合超聲Lamb波識別原油乳化層液位的可行性。

2）對信號進(jìn)行EEMD分解，當(dāng)標(biāo)準(zhǔn)差為0.15時可以去除絕大部分干擾波和噪聲，計算出了A0模態(tài)Lamb波波包能量值。

3）采用2階VMD分解，可將A0模態(tài)Lamb波包分解出來。

4）把 EMD、EEMD和VMD分解得到的7個特征值輸入到BP神經(jīng)網(wǎng)絡(luò)模型對信號所屬的液體介質(zhì)進(jìn)行預(yù)測，根據(jù)預(yù)測值大小對該信號進(jìn)行分類，結(jié)合采集信號時探頭所處的位置，實現(xiàn)了對儲油罐中乳化層液位的測量，結(jié)果顯示預(yù)測最大誤差為13.8%。